CNTK图像分类结果改进方法

Question

我目前使用基于 "ConvNet_CIFAR10_DataAug.cntk" 示例的 "ConvNet" 模型将图像分为 6 类。经过训练的错误率低于 1%。但是，未经训练的图像的错误率要高得多。 图像大小为128x128x1，训练使用了大约10,000张图像。

问题是人们通常会尝试哪些方法来提高分类结果？我尝试使用 "renet" 模型，但未能获得改进。

如有任何意见，我们将不胜感激。

谢谢， 特里

Answer 1

这是过度拟合的经典实例。这里有几件事要做：

• 获取更多数据（您可以尝试数据扩充）
• 尝试添加滤除层
• 在您的学习器中添加正则化 (l1/l2)
• 尝试提前停止（使用具有较大训练误差的模型）和可比较的测试误差
• 如果可以，请尝试减少模型参数。